Track A
CLI 能力者
熟練使用現有 CLI Agent 工具（Claude Code、Codex、Gemini CLI）。適合 PM、知識工作者、想快速提效的人。
CLAUDE.mdSlash 命令MCP 整合GitHub Actions成本追蹤
選擇你的路線
兩條學習路徑
共享 Stage 0-2 基礎之後，根據你的目標選擇 CLI 能力者之路或 Agent 構建者之路。
8–10 周
Track B
Agent 建構者
從零構建自己的 Agent 系統。涵蓋 Tool Use、框架對比、RAG、多 Agent、部署。適合開發者、研究者。
Function CallingLangGraphCrewAIRAGFastAPIDocker
7 步構建第一個 Agent →按角色選擇
五種角色的專屬路線
不同職業對 AI Agent 的需求不同——這裡為 5 種典型角色設計了對應的學習路徑與重點。
💻
給開發者
已有程式設計基礎，想構建生產級 Agent 系統。重點：Tool Use、框架、部署、可觀測性。
Track B 主修
🔬
給研究者
學術或工業研究背景，關注 Agent 評估與前沿。重點：Eval 方法、論文閱讀、可重現實驗。
Track B + 7.5
📊
給知識工作者
PM、分析師、運營人員。重點：CLI Agent 提效、MCP 整合 Office、自動化日常工作。
Track A 主修
🎓
給教師
教育工作者，想把 AI 融入教學。重點：Skills 設計、課件生成、學生反饋分析。
Track A + Stage 5
👥
給普通使用者
沒有程式設計背景，想理解並用好 AI 工具。重點：Prompt 技巧、CLI 入門、避坑指南。
Stage 0-2 + Track A
核心知識框架
概念五層演進
從寫好提示詞、動態管理上下文、目標自主迴圈、圖工作流到 Harness 框架本身可程式設計。
完整學習路徑
Stage 0 → 8 全覽
點選每個階段展開檢視練習、資源和學習目標。點選練習或文件可進入完整內容。
學什麼：Python 基礎、CLI 操作、Git 版本控制、API 概念、JSON 格式。這是一切的起點——確保你的開發環境就緒。
動手做：安裝 Ollama → 拉取 gemma4:e4b 模型（約 7.5GB）→ 執行第一個本地 LLM 對話。
檢視完整文件 →標準操作流程
每練習的七步法
每個練習資料夾遵循統一結構。按以下順序操作，最大化學習效果。
- 1
讀 README
選擇語言版本，理解練習目標和預期成果。
- 2
安裝依賴
讀 requirements.txt，執行 pip install -r requirements.txt。注意同時包含 openai 和 anthropic SDK。
- 3
自己先嚐試
關鍵：starter.py 是完整解答，不是 TODO 骨架。先自己嘗試寫，哪怕寫不出來也沒關係。
- 4
對照學習
讀 starter.py（Path A: Ollama），理解差距。執行它，觀察輸出。看末尾的自我驗證塊。
- 5
跑測試驗證
執行 pytest test.py 驗證理解。測試使用 mock，不需要真實 API 呼叫。
- 6
（可選）雲端對比
讀 starter_anthropic.py（Path B: Anthropic），對比本地 vs 雲端的實現差異。
- 7
深度路由
看 README 的深度 callout，路由到 Datawhale hello-agents、Anthropic Cookbook 等教程繼續學習。
知識地圖
資源層速查
需要深入某個主題時，查閱 resources/ 下的專項指南。
📚
術語表 Glossary
30+ 術語，每個 30-80 詞，帶階段交叉引用。
全程適用
🧠
Agent 正規化
5 種心智模型：ReAct、Plan-and-Execute、Reflection、Multi-Agent、Tool-Use。
Stage 3+
📐
Schema 速查表
5 條黃金法則 + 5 個反模式。Function Calling Schema 設計指南。
Stage 3
🔌
MCP / Skills 目錄
77 個 MCP Server / Skills，分 6 類，帶 GitHub 星數和評分。
Stage 5
🤖
子 Agent 菜譜
15 個即用子 Agent 排程模板，可直接複製使用。
Stage 5
🔬
子 Agent 進階
Description Bug、組合模式、除錯技巧。
Stage 5+
🍳
實操菜譜
6 個 30-50 分鐘 step-by-step：Skills、MCP、Office 整合。
Stage 5
🎓
線上課程
10 個有證書的可信 AI Agent 線上課程，附評價和適合人群。
全程適用
⌨️
CLI Agent 指南
7 個 CLI Agent 對比 + 決策矩陣。
Track A
🚀
環境搭建
30-45 分鐘從零到 Hello World。API Key、Python、Ollama。
Stage 0
🗺
7 步構建第一個 Agent
端到端 walkthrough：Paper Summary Bot，約 350 行真實程式碼。
Track B
🏆
Capstone 專案
Track A + Track B 各一個畢業專案，附 4 級評分標準。
最終檢驗
✏️
內容風格指南
寫作規範：術語、語氣、結構、程式碼範例風格。
貢獻者
📂
Resources 索引
resources/ 目錄完整索引——找不到時來這裡。
全程適用
成本規劃
學習預算
三種預算方案，從完全免費到全雲端。推薦混合方案——本地練習 + 雲端對比。
| 方案 | 說明 | 預算 |
|---|---|---|
| 全本地 Ollama | 所有練習用本地 LLM，零 API 費用 | $0 |
| 混合推薦 ⭐ | 本地練習（Path A）+ 雲端對比（Path B，用 Haiku） | $2–5 |
| 全 Sonnet | 所有練習用 Claude Sonnet，最高質量 | $20–50 |
模型建議：Stage 1-2 用 gemma4:e4b；Stage 3+ 用 qwen2.5:3b；雲端對比用 claude-haiku-4-5。